申请/专利权人：南通大学;中国科学院大气物理研究所

申请日：2023-12-08

公开（公告）日：2024-04-16

公开（公告）号：CN117892613A

主分类号：G06F30/27

分类号：G06F30/27;G06F18/10;G06F18/2431;G06N3/006;G01W1/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于多基地映射的NGO‑mcODM雷电预测方法，通过提取多基地采集站获取的预报因子信息，构成雷电信号高维特征集；并利用Laplacian‑Beltrami算子在黎曼空间中对多基地高维特征进行投影，获得雷电数据高维空间中的低维流形，从而降低多基地高维特征中的冗余性；然后，引入NGO算法对mcODM的超参数进行优化，提高mcODM雷暴预测模型的准确性；最后，利用mcODM雷暴预测模型对雷电进行预测。本发明的NGO‑mcODM雷电预测方法适用于多基地雷电观测站，能够提高雷暴预测的精度与鲁棒性。

主权项：1.一种基于多基地映射的NGO-mcODM雷电预测方法，其特征在于，所述NGO-mcODM雷电预测方法包括以下步骤：步骤A，提取多基地采集站获取的预报因子信息，构成雷电信号高维特征集；步骤B，利用Laplacian-Beltrami算子在黎曼空间中对多基地高维特征进行投影，获得雷电数据高维空间中的低维流形，降低多基地高维特征中的冗余性；步骤C，令最优边际分配机为： 其中，为惩罚模型复杂性的正则化项，wl为第l个评分参数的权重矩阵，l为评分参数，k为评分参数总数，H为评分函数的假定集合；λ为惩罚函数；i＝1，2，...，m，m为样本总数；ξi与εi为第i个样本的边际Υhxi，yi和边际均值的偏差，边际均值取值为1，xi为第i个样本的特征，yi为第i个样本的标签；μ、θ为最优边际分配机的超参数，μ∈0，1]为权衡偏差参数，θ∈0，1]为控制支持向量数的零损失段参数；步骤D，引入北方苍鹰优化算法对最优边际分配机的超参数μ和θ进行优化，得到mcODM雷暴预测模型；步骤E，利用mcODM雷暴预测模型对雷电进行预测。

全文数据：

权利要求：

百度查询： 南通大学;中国科学院大气物理研究所 一种基于多基地映射的NGO-mcODM雷电预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD